FigCodeBench

新基准揭示多模态大语言模型在视觉到代码复现方面存在困难

一个名为 FigCodeBench 的新基准已被开发出来，用于评估多模态大语言模型（MLLMs）复现复杂视觉图形和生成相应代码的能力。该框架通过整合视觉理解和代码生成，超越了孤立的评估，解决了当前基准的空白。在包括 Gemini-3.1 Pro 和 GPT-5.4 在内的 24 个专有和开源 MLLMs 上进行的实验，揭示了它们在各种编程语言和难度级别上的显著性能下降，为理解它们的局限性提供了见解。